Reinforcement Learning-এ 'Exploration vs Exploitation' ট্রেড-অফ বলতে কী বোঝায়?

1. ক
   নতুন কৌশল খোঁজা বনাম পরিচিত কৌশল ব্যবহার করা
2. খ
   ডেটা সংগ্রহ বনাম ডেটা ডিলিট করা
3. গ
   সফটওয়্যার আপডেট বনাম হার্ডওয়্যার পরিবর্তন
4. ঘ
   মডেল ট্রেনিং বনাম মডেল টেস্টিং